一文看懂六西格瑪工具SPC(統計過程控制）

今天給大家介紹一下在 六西格瑪 裡面很常用的工具，叫做SPC（StatisticalProcessControl）中文叫做：統計過程控制。

說到SPC，我們不得不提一個人：沃特.阿曼德.休哈特（WalterA.Shewhart）當年他在貝爾實驗室任職研究員。1924年5月16日那天，他在備忘錄中向上級提出了使用控制圖的建議，這就是現代統計控制過程理論的雛形。
對於跟質量打交道的朋友來說，統計過程控制這個概念應該很熟悉了。但是這裡很容易，或者說很多人都有個誤區：一說到SPC大家很自然的就想到控制圖，以至於現在有很多人認為SPC等於控制圖。其實不然統計過程控制是指使用統計學方法分析過程，以便對其進行監視、控制和改進。目標是造就穩定、一致的過程，從而產生儘可能少的缺陷。統計過程控制就是用統計分析的方法，針對的物件是“過程”，目的是使過程達到穩定受控。

SPC的中心思想是控制變異，從而避免產品缺陷。在任何過程中都有兩種變異：常見原因和特殊原因。常見原因指導致任何過程中產生合乎規律的變異的原因。特殊原因是指通常（或有意）不是過程的一部分的異常事件。儘管任何過程中都會自然發生一定程度的常見原因變異，但確定並嘗試消除變異的特殊原因非常重要。

從內容方面來講，統計過程控制分為兩大內容：

控制圖：利用控制圖分析的過程的穩定性，對過程存在的異常因素進行預警。

過程能力分析：計算過程能力指數分析穩定的過程能力滿足技術要求的程度，對過程的質量進行評價。

我們首先來講講控制圖原理：我們都知道質量和波動成反比，假如產品尺寸波動越大，產品質量越差，而產品過程由於有人機料法環等各種因素的影響。其中有些系統因素如溫度或者電壓波動等常見原因造成的影響，我們當然都只需要生產過程只有這些常見原因，至少大家不用寫8D報告吧。比如我們期望測量一個產品的尺寸隨時間的結果如下：
可是，實際情況呢，我們通常會遇到一些異常因素的影響，實際隨時間抽樣的產品測量結果可能是下面這樣的：
因此呢，我們需要對產品測量的均值進行監控，同時，我們也需要對產品的散佈（波動）進行測量監控，那麼如何監控才能知道問題已經發生了呢？這個時候呢，就會用到我們在六西格瑪裡面最重要的正態分佈特性，大家知道在±3個標準差的區間內概率為99.73%，因此如果我們抽樣的所有點都在這個範圍內，可以認為沒有異常發生：
而有異常發生的判定標準如下：

①1個點落在3倍Sigma區以外

②連續9點落在中心線同一側

③連續6點遞增或遞減

④連續14點中相鄰點交替上下

⑤連續3點鐘有2點落在中心線同一側的2倍Sigma區以外

⑥連續5點鐘有4點落在中心線同一側的1倍Sigma區以外

⑦連續15點落在中心線兩側的1倍Sigma區內

⑧連續8點落在中心線兩側且無一在1倍Sigma區內

說到這裡，必須給初學者強調的是，SPC圖內上下控制線並不是規格上下線，比如零件的尺寸要求是1mm±0.05mm，這個±0.05mm是規格上下線，不是SPC圖內的控制線，換句話說，我們生產的零件在SPC控制圖上看到是沒有問題的，但是並不代表這些零件是符合質量要求的，要解決這個問題，我們會用到下一步：過程能力分析，過程能力分析的前提是過程受控，過程受控為的是做能力分析，關於過程能力分析，我們放到下一篇文章再給大家講講吧。

對於不用的資料，例如是連續型資料，還是屬性資料，是統計的不良品還是單元缺陷，對於不同的子組大小，我們使用的SPC圖都不一樣，有均值-極差控制圖，均值-標準差控制圖，單值-極差控制圖；P不合格品控制圖等等。初學者看到也會很糊塗，可是不用怕，我們有Minitab呢。

下面我們就以一個簡單的案例來給大家介紹如何製作一張SPC控制圖。這個案例呢，假如一個汽車零部件廠家的產品是車輪轂，而輪轂的直徑是關鍵特性，檢驗員每2個小時從生產線抽取5個連續的車輪進行測量，這5個資料就構成了一個子組，一共進行了12組，即一天的資料一共60個資料。我們把測量好的資料放在一起如下：

這個時候開啟我們的Minitab，點選“協助”下面的“控制圖”，會出現下面這個介面：
根據我們這個案例來看，資料是連續型資料，而子組大小小於8，因此選擇均值-極差控制圖，將資料選擇好之後：
確定之後就生成好了我們想要的SPC控制圖，並且分析結果都已經做好啦，是不是很方便啊？
好了，關於SPC，就給大家介紹到這個地方吧，這個工具在質量管理中可是非常重要，也是非常常用的一個工具啦，希望通過張馳諮詢的介紹，大家能夠理解和使用SPC。

原文來源張馳諮詢：若需轉發本文，須在文中給出原文連結，違者必究。